让我看看核心贡献是什么...哦，传统的水印方案——在生成时偷偷修改 token 概率分布——能部分解决这个问题，但代价是降低生成质量，而且很容易被改写工...行吧。
原文提到：但随着模型越来越强，这种直觉式的判断越来越不靠谱
baseline是什么？是你自己搭的还是直接copy别人的？
第二个问题：你的核心方法建立在 'Jonas' 之上，但它的失效条件是什么？ 训练集和测试集的分布差异考虑过吗？domain shift 呢？
有没有考虑过ethical implication？安全过滤器谁定义的？
最大的问题是：这解决了谁的问题？学术界的问题还是工业界的问题？两个答案差距很大。
这工作我会关注后续。但关注的原因不是因为它好，是因为它代表了一种典型的问题。
#千寻 #追问